检索范围:
排序: 展示方式:
基于联邦边缘学习的梯度量化和带宽分配优化策略 Research Article
刘沛西1,3,江甲沫2,朱光旭3,程磊4,5,蒋伟1,罗武1,杜滢2,王志勤2
《信息与电子工程前沿(英文)》 2022年 第23卷 第8期 页码 1247-1263 doi: 10.1631/FITEE.2100538
Qiang LAN, Lin-bo QIAO, Yi-jie WANG
《信息与电子工程前沿(英文)》 2018年 第19卷 第6期 页码 755-762 doi: 10.1631/FITEE.1601771
结合全变分最小化和稀疏字典学习后处理的低剂量CT重建 Article
Yong DING, Tuo HU
《信息与电子工程前沿(英文)》 2017年 第18卷 第12期 页码 2001-2008 doi: 10.1631/FITEE.1700287
正则风险最小化的小批量割平面法 Regular Article
Meng-long Lu, Lin-bo Qiao, Da-wei Feng, Dong-sheng Li, Xi-cheng Lu,lumenglong2018@163.com,davyfeng.c@gmail.com
《信息与电子工程前沿(英文)》 2019年 第20卷 第11期 页码 1551-1563 doi: 10.1631/FITEE.1800596
关键词: 机器学习;优化方法;梯度法;割平面法
分级移动边缘云中节省开销的资源分配 Special Feature on Future Network-Research Article
Ming-shuang JIN, Shuai GAO, Hong-bin LUO, Hong-ke ZHANG
《信息与电子工程前沿(英文)》 2019年 第20卷 第9期 页码 1209-1220 doi: 10.1631/FITEE.1800203
应用完备集合固有时间尺度分解和混合差分进化和粒子群算法优化的最小二乘支持向量机对柴油机进行故障诊断 Article
俊红 张,昱 刘
《信息与电子工程前沿(英文)》 2017年 第18卷 第2期 页码 272-286 doi: 10.1631/FITEE.1500337
通过最小化边缘添加中的代数连接度来减少电网级联故障传播 Research Articles
Supaporn LONAPALAWONG1,颜姜哲2,李家雨3,叶德仕2,陈为1,汤涌4,黄彦浩4,王灿2
《信息与电子工程前沿(英文)》 2022年 第23卷 第3期 页码 382-397 doi: 10.1631/FITEE.2000596
认知中继三跳网络联合优化 Article
澄 赵,万良 王,信威 姚,双华 杨
《信息与电子工程前沿(英文)》 2017年 第18卷 第2期 页码 253-261 doi: 10.1631/FITEE.1601414
面向物联网的激励感知区块链辅助的智能边缘缓存与计算迁移研究 Article
王倩, 陈思光, 吴蒙
《工程(英文)》 2023年 第31卷 第12期 页码 127-138 doi: 10.1016/j.eng.2022.10.014
6G中联邦学习的应用、挑战和机遇 Review
杨照辉,陈明哲,黃繼傑,H. Vincent Poor,崔曙光
《工程(英文)》 2022年 第8卷 第1期 页码 33-41 doi: 10.1016/j.eng.2021.12.002
标准的机器学习方法需要在数据中心集中训练数据,从而采用集中式机器学习算法来进行数据分析和推理。然而,由于无线网络中的隐私限制以及无线通信资源受限,边缘设备将数据传输到参数服务器通常是不可取和不切实际的。联邦学习可解决这些问题。联邦学习可以使设备能够在没有数据共享和传输的情况下训练机器学习模型。本文全面概述了未来第六代(6G)无线网络的联邦学习应用。特别是,首先描述了将联邦学习应用于无线通信中的基本要求。然后详细介绍了无线通信中潜在的联邦学习新型应用,讨论了与新型应用相关的主要问题和挑战。最后,描述了用于无线通信的联邦学习的详细实现方案,并给出了联邦学习的难点和应用前景。
基于最小化重构误差的生成对抗网络异常检测 Article
Huan-gang WANG, Xin LI, Tao ZHANG
《信息与电子工程前沿(英文)》 2018年 第19卷 第1期 页码 116-125 doi: 10.1631/FITEE.1700786
向小东
《中国工程科学》 2008年 第10卷 第11期 页码 89-92
根据时间序列近期数据较远期数据包含有更多未来信息的思想,对最小二乘支持向量机预测方法进行了扩展,得到了更具一般性的最小二乘支持向量机预测模型两个时间序列的预测实例表明,扩展后的预测方法获得了更好的预测效果,提升了最小二乘支持向量机预测方法的价值。
联邦无监督表示学习 Research Article
张凤达1,况琨1,陈隆1,游兆阳1,沈弢1,肖俊1,张寅1,吴超2,吴飞1,庄越挺1,李晓林3,4,5
《信息与电子工程前沿(英文)》 2023年 第24卷 第8期 页码 1181-1193 doi: 10.1631/FITEE.2200268
关键词: 联邦学习;无监督学习;表示学习;对比学习
基于最小二乘法的EAST托卡马克光学等离子体边缘重建 None
Hao LUO, Zheng-ping LUO, Chao XU, Wei JIANG
《信息与电子工程前沿(英文)》 2018年 第19卷 第9期 页码 1124-1134 doi: 10.1631/FITEE.1700041
边信道攻击和学习向量量化 Article
Ehsan SAEEDI, Yinan KONG, Md. Selim HOSSAIN
《信息与电子工程前沿(英文)》 2017年 第18卷 第4期 页码 511-518 doi: 10.1631/FITEE.1500460
标题 作者 时间 类型 操作
正则风险最小化的小批量割平面法
Meng-long Lu, Lin-bo Qiao, Da-wei Feng, Dong-sheng Li, Xi-cheng Lu,lumenglong2018@163.com,davyfeng.c@gmail.com
期刊论文